傳真服務器是隨著通信技術的發展，針對大中型企業、機關需求推出的一種集團傳真通信解決方案。它的基本原理是通過軟硬件集成，實現多路傳真的并發收發，并在此基礎上，與辦公流程相結合，實現更復雜的自動化管理。
    目前的傳真服務器，其主要業務是實現傳真的收發管理，但是不具備安全功能，因此很容易成為垃圾傳真的攻擊目標，尤其是一些大企業，其號碼為公眾所熟悉，更是垃圾傳真的重災區。垃圾傳真的泛濫不但造成巨大的浪費，而且嚴重影響正常辦公。
    針對上述問題，本文提出一種安全傳真服務器的概念，在傳真服務器上增加垃圾傳真的自動檢測功能，從而使分發或打印的傳真都是安全有效的。
1 安全傳真服務器模型
    文獻[1]、文獻[2]等給出了傳真服務器的實現方法。為實現安全傳真服務器，需要在原來的傳真服務器上增加傳真自動分類功能，只對無害的傳真進行分發，而將垃圾傳真剔除。一種直觀的方法是在分發之前增加內容的機器識別功能，如對傳真圖像進行OCR[3]（光學字符識別）識別，得到傳真圖像的文本字符信息，在此基礎上進行文本分類。但是受限于傳真的實際情況，如手工發送造成的版面傾斜、手寫字體等，如果直接對其進行OCR識別，較低的準確率會嚴重影響系統的可用性，為此，需要對垃圾傳真的特征進行全面研究及利用，確保分類方法的有效性。
    垃圾傳真通常是將一份傳真進行廣播式發送，因此在傳真服務器的接收端，垃圾傳真重復嚴重，而正常業務傳真則沒有此特征。所以本文的方法是對接收到的傳真進行聚類處理，能夠聚類的認為是垃圾傳真，不能聚類的認為是正常業務傳真。根據上述分析，得到安全傳真服務器的系統模型，如圖1所示。與傳統的傳真服務器相比，本服務器在傳真分發前，增加了對垃圾傳真的聚類檢測功能。為達到最佳的檢測效果，且避免垃圾傳真因數量少而不能聚類，增加了垃圾傳真的歷史特征庫。

2 垃圾傳真檢測算法
    由安全傳真服務器系統模型可見，調制解調、編碼解碼、傳真收集與分發等都屬于普通傳真服務器具有的功能，相關資料中已有說明，本文不再重復，這里只詳細介紹其中的垃圾傳真檢測算法。
    本文中的應用對精確度要求很高，不允許將正常業務傳真識別為垃圾傳真，所以需要選取一種能夠精確表達傳真內容的特征進行聚類，本文采用傳真的游程[4]特征。
    每幅傳真圖片的黑白像素分布不同，從每一掃描行的圖像數據上看，這種不同體現在黑像素和白像素的分布上，即交替的次數不同，且連續黑白像素點的長度也不同。將此特征以游程數M和游程值L來描述，游程數是指每個掃描行黑白像素變化的次數，游程值是指每個連續像素段的像素個數。假如某一行的像素為00001111110011000，則該掃描行的游程特征為：M=4，L0，…，M=(4，6，2，2，3)。將所有的傳真圖像以此特征來描述，并進行比較，即可實現相同傳真圖像的聚類。傳真圖像與游程特征的對比如圖2、圖3所示。

    正常業務傳真在聚類過程中可以認為是孤立點或者噪聲點，大量重復的垃圾傳真或者廣告傳真是本文聚類的對象。基于密度的DBSCAN[6]聚類算法能夠對抗孤立點，并且能夠處理任意形狀和大小的類，因此這里選擇DBSCAN算法。DBSCAN算法提出了一些新的定義：
   
    (2)如果一個對象的?著-近鄰中至少包含MinPts個對象，則稱這個對象為核對象。
    (3)如果對象P為另一個對象q的ε-近鄰且q是核對象，則稱p是從q可“直接密度可達”(Density-Reachable)。
    (4)如果存在一系列對象p1，p2，…，pn，其中p1=q，pn=p，而且pi+1(1≤i≤n-1)是從pi“直接密度可達”的，則稱p是從q可“密度可達”。
    (5)若存在一個對象z，使得p和q都是從z“密度可達”的，則稱對象p“密度連接”對象q。
    DBSCAN聚類算法就是檢查數據庫中每一個點的ε-近鄰。若一個對象p的ε-近鄰包含MinPts多于個對象，則創建包含p的聚類。然后DBSCAN根據這些核對象，循環搜索“直接密度可達”的對象，當各聚類中再無新對象加入時，聚類結束。
    聚類算法的具體實現需要考慮如下因素：
    (1)要判斷兩個圖像是否相同，只需要判斷有限個掃描行數據相似度大小即可。如果對整個圖片進行特征比對，會嚴重增加存儲和計算開支。
    (2)正常情況下傳真都含有頁眉，頁眉涉及時間、主叫等信息，即使重復發送的垃圾傳真，頁眉顯示的時間也不相同，所以比較傳真時應當避開頁眉。
    (3)在聚類處理的時段內，垃圾傳真如果數量少就會因為不能聚類而漏檢，為此，應該建立已知垃圾傳真特征庫，供后續檢測使用。
    基于上述考慮，聚類算法實現過程如下：
    (1)分類器訓練：利用訓練數據，采用最小方差準則對?著、MinPts等聚類參數進行確定。
    (2)提取每個傳真圖片的游程特征C[i]：設定起始行Srow（如Srow=20），從此行向下搜索，找到有效圖像掃描行，作為新的起始行，從起始行開始，提取有限行Mrow（如Mrow=80）游程特征。
    (3)確定垃圾傳真類：遍歷所有傳真，若一個傳真的ε-近鄰中至少包含MinPts個傳真，就創建包含這個傳真的類，該類中的所有傳真為垃圾傳真。
    (4)確定類代表特征：設dij表示某傳真數為n的類中點i到點j的距離，di表示點i到該類所有點的距離和，如果di=min(d1，d1，…，dn)，則點i為該類的中心點，其游程特征作為該類的代表特征，加入垃圾傳真特征庫。
    (5)確定孤立垃圾傳真：集合M={m1，m2，&hellip;}為垃圾傳真模版庫，G={g1，g2，&hellip;}為不能聚類的傳真的集合，若d(gi，mj}<?著，則gi為垃圾傳真。
3 仿真測試
    上述方法通過MATLAB完成了仿真實現。通過該方法實現的傳真服務器，不但具有一般傳真服務器的功能，而且能夠對待分發的傳真進行判別，確保最終用戶收到的傳真不是垃圾傳真。
    本文最后進行了性能測試。測試過程如下：
    (1)從某公司傳真服務器處收集得到2 000份傳真數據，隨機取其中400份作為訓練集，另外1 600份作為測試集。
    (2)建立傳真特征表，用來記錄傳真的特征數據。字段包括：文件名、屬性（垃圾傳真為0，其他為1）、可聚類性（在訓練集中能夠聚類為1，否則為0）、聚類類別（人工對訓練集中能夠聚類的傳真進行分類，并標以不同的類別值）。
    (3)對訓練集傳真進行人工辨認，并將特征記入傳真特征表。
    (4)根據最小方差準則，用訓練集中傳真對分類器參數進行訓練，使分類器輸出結果與傳真特征數據具有最大擬合度，從而得到分類器參數。
    (5)對測試集中的傳真進行人工辨認，并將特征記入傳真特征表。
    (6)用訓練得到的分類器對測試集中的1 600份傳真進行分類，并將分類結果自動記入數據庫。
    (7)比對識別結果與人工辨認數據。
    測試結果如表1所示。

    從表1中結果可知：
    (1)沒有正常的業務傳真被檢測為垃圾傳真，說明本文的方法不會影響正常的傳真業務。
    (2)垃圾傳真可能被誤識為正常傳真，這是因為本方法中，為了確保正常傳真不會被聚類，聚類的條件設置得比較苛刻，造成了部分垃圾傳真由于數量少不能聚類。
    (3)在沒有影響正常傳真業務的情況下，本文方法對垃圾傳真的檢出率為92.5%，說明了本文方法的有效性。
    在實際應用中，能夠聚類的部分傳真可能包含用戶感興趣的資訊，用戶希望對此正常接收，所以在后續的工作中，應該在聚類的基礎上，從用戶的感知和體驗角度出發，深入研究垃圾傳真的本質，使垃圾傳真的分類更加合理，進一步提高安全傳真服務器的可用性。

參考文獻
[1] 羅新．基于局域網的傳真服務器的設計與實現[D]．大連理工大學碩士學位論文，2006，6．
[2] 陳屹峰．嵌入式傳真服務器的設計與實現[D]．復旦大學碩士學位論文，2004，4．
[3] 李寶安，孟慶昌．中文信息處理技術&mdash;&mdash;原理與應用[M]. 北京：清華大學出版社，2005.
[4] 田麗華．編碼理論[M].陜西：西安電子科技大學出版社，2004.
[5] 楊蘭倉．數據挖掘中聚類和孤立點檢測算法的研究[D]．復旦大學碩士學位論文，2004，4．
[6] 周水庚，周傲英．一種基于密度的快速聚類算法[J].計算機研究與發展，2000，37(11)．